劉平安 徐翠琴
摘 要:燃料電池多傳感器系統(tǒng)故障通過采用神經(jīng)網(wǎng)絡(luò)信息融合技術(shù)進(jìn)行檢測(cè),然后在通過溫度傳感器對(duì)其故障檢測(cè)進(jìn)行仿真研究,通過此種方法顯示,這種檢測(cè)方法對(duì)系統(tǒng)故障特征的提取有很大的幫助,這種方法對(duì)燃料電池多傳感器的故障檢測(cè)的精準(zhǔn)度有很大程度的提高,使故障檢測(cè)的適時(shí)性得到很大程度的滿足。
關(guān)鍵詞:神經(jīng)網(wǎng)絡(luò);燃料電池多傳感器;信息融合;故障檢測(cè)
1 引言
隨著汽車電子技術(shù)的日益飛速增長(zhǎng),燃料電池技術(shù)也在不斷的提高,結(jié)構(gòu)和任務(wù)在燃料電池發(fā)動(dòng)機(jī)系統(tǒng)中的要求也越來越高,其中控制的精度和穩(wěn)定度更是高標(biāo)準(zhǔn)的要求。檢測(cè)學(xué)方面看,檢測(cè)中的每一種信息都不能確定其準(zhǔn)確度。所以,在檢測(cè)燃料電池傳感器的故障過程中,要想得到更準(zhǔn)確和可靠的檢測(cè),對(duì)于傳感器的多維信息我們必須全方面的進(jìn)行了解;另一方面,對(duì)于故障檢測(cè)領(lǐng)域的信息技術(shù)我們必須不斷研究引入更加符合要求的技術(shù)適應(yīng)我們得到的越來越多的檢測(cè)信息,只有這樣才能分析出信息的深層含義,并且對(duì)多傳感器的監(jiān)測(cè)信息進(jìn)行合理的有效利用,使故障檢測(cè)的精確性、可靠性和有效性都得到了很大的提高。
燃料電池由于發(fā)動(dòng)機(jī)中有多種傳感器因此系統(tǒng)非常復(fù)雜,諸如:壓力傳感器、電壓傳感器、流量傳感器、水位傳感器、電流傳感器、濕度傳感器、溫度傳感器和電導(dǎo)率傳感器等。這些傳感器是系統(tǒng)中非常重要的部分,他們?cè)谄渲械淖饔孟喈?dāng)于是系統(tǒng)的“眼睛”,經(jīng)常會(huì)通過這些傳感器測(cè)量各種信息,傳感器為系統(tǒng)提供最原始的數(shù)據(jù)信息。
如圖1所示。
2 神經(jīng)網(wǎng)絡(luò)信息融合多傳感器故障檢測(cè)系統(tǒng)設(shè)計(jì)
文章中選擇雙傳感器對(duì)系統(tǒng)進(jìn)行分析,檢測(cè)系統(tǒng)輸出信息的實(shí)例,目的是為了能夠保證系統(tǒng)輸出的信息的精準(zhǔn)無誤。構(gòu)成如圖2所示的基于神經(jīng)網(wǎng)絡(luò)的多傳感器信息融合故障檢測(cè)系統(tǒng)。傳感器輸出數(shù)據(jù)通過融合單元采用三層BP網(wǎng)絡(luò)進(jìn)行融合;通過Elman遞推的網(wǎng)絡(luò)這一預(yù)測(cè)能力較強(qiáng)的預(yù)測(cè)單元為決策單位提供傳感器故障檢測(cè)的標(biāo)準(zhǔn);在當(dāng)前系統(tǒng)狀態(tài)下決策單元做出決策的同時(shí)為控制器或監(jiān)控器提供相應(yīng)的輸出信號(hào)。
2.1 融合單元
通過采用對(duì)同一物理量進(jìn)行多個(gè)傳感器測(cè)量,若每個(gè)傳感器所測(cè)量出的數(shù)值都是接近正常值,這就說明此傳感器是正常的,這是較為常用的船東的硬件冗余方法。并將這種測(cè)量得出的平均值作為這些傳感器的參數(shù)標(biāo)準(zhǔn)。在現(xiàn)實(shí)應(yīng)用過程中,可以在一些系統(tǒng)參數(shù)本身是耦合值中獲得一些冗余信息。神經(jīng)網(wǎng)絡(luò)將對(duì)同一物理量通過不同傳感器測(cè)量出來的信息進(jìn)行融合,僅通過一種傳感器測(cè)出的數(shù)據(jù)值遠(yuǎn)遠(yuǎn)不如通過這種方法獲得的數(shù)值精確。鑒于此,借助于神經(jīng)網(wǎng)絡(luò)在進(jìn)行硬件冗余技術(shù)中,選用同一物理量通過數(shù)據(jù)特性完全不同的傳感器進(jìn)行數(shù)據(jù)測(cè)量。通過這種方法可以避免選擇的傳感器參數(shù)一樣,與此同時(shí)也可以減少傳感器的使用量。設(shè)系統(tǒng)中某一輸出量的標(biāo)定值為y,對(duì)應(yīng)兩個(gè)傳感器的輸出值為y1和y2,則y可以用一個(gè)二次曲面擬合方程來描述:
由上式可以看出,在兩個(gè)傳感器都處于正常工作狀態(tài)時(shí),只要將其中一個(gè)傳感器的數(shù)值確定為待定的常數(shù),那么任何一組數(shù)據(jù)(y1,y2)都可以擬合出y值。由于多層BP網(wǎng)絡(luò)可以逼近任意一個(gè)非線性函數(shù),而且具有高速并行的處理能力,所以我們采用一個(gè)三層BP網(wǎng)絡(luò)來求解這些待定常數(shù)。如果其中任何一個(gè)傳感器在此過程中出現(xiàn)問題,就證明這個(gè)方法是沒有用的,就必須改用決策單元分析中的處理方法來解決。
2.2 預(yù)測(cè)單元
傳感器在故障發(fā)生時(shí),要做到有效的對(duì)其進(jìn)行重復(fù)配置系統(tǒng)控制,就要及時(shí)準(zhǔn)確的檢測(cè)出故障結(jié)果,并對(duì)其進(jìn)行隔離。所以我們需要一個(gè)標(biāo)準(zhǔn)能對(duì)傳感器的輸出值做出正確的判斷。傳感器下一時(shí)刻的輸出值可以利用傳感器的當(dāng)前時(shí)刻和當(dāng)前時(shí)刻以前的輸出值進(jìn)行預(yù)測(cè),目前算是比較有效的方法,然后再把預(yù)測(cè)的值作為下一刻的評(píng)判標(biāo)準(zhǔn)。
將聯(lián)系單元到隱含單元、輸入單元到隱含單元、隱含單元到輸出單元的權(quán)矩陣設(shè)置為Wxa,Wxu,Wxy。隱含單元的作用函數(shù)為線性,且閾值為零。?琢為聯(lián)系單元的自反饋增益。則此網(wǎng)絡(luò)可用下述方程來描述:
由于傳感器2出現(xiàn)問題,因此雙傳感器獲得的y12(k)融合數(shù)據(jù)就不在是最好的融合數(shù)據(jù),此時(shí)令y1(k)=yd(k),通過權(quán)值修正公式對(duì)網(wǎng)絡(luò)的權(quán)值進(jìn)行修正。用傳感器1輸出的數(shù)據(jù)y1(k)和經(jīng)過修正后的權(quán)矩陣評(píng)估下一時(shí)刻輸出的數(shù)值,下一次傳感器的故障評(píng)判此次的數(shù)值為標(biāo)準(zhǔn),并在傳感器2出現(xiàn)故障時(shí)發(fā)出報(bào)警信號(hào)。
③若傳感器1處于不正常狀態(tài),傳感器2處于正常狀態(tài),其原理同②,給出傳感器1發(fā)生故障的報(bào)警信號(hào)。
④兩個(gè)傳感器都處于非正常狀態(tài),即下式成立:
3 多溫度傳感器故障檢測(cè)仿真研究
根據(jù)上述方法,溫度的變化范圍為10~70℃,其實(shí)際正常溫度變化曲線如圖3所示。
預(yù)測(cè)單元用Elman遞歸神經(jīng)網(wǎng)絡(luò),作用函數(shù)為線性函數(shù),閾值為零,隱層和聯(lián)系層都含有六個(gè)神經(jīng)元,聯(lián)系層的自反饋增益選為?琢=-0.6,預(yù)測(cè)單元的輸出曲線如圖5所示。
4 結(jié)束語
網(wǎng)絡(luò)收斂速度與診斷的精準(zhǔn)度都會(huì)不同程度的受到來自神經(jīng)網(wǎng)絡(luò)診斷模型的選取、層數(shù)與隱層數(shù)的設(shè)置、訓(xùn)練樣本的選擇以及迭代步長(zhǎng)的選取等問題的影響。這些參數(shù)只能夠在研究過程中不斷的出揣摩,因?yàn)檫@些參數(shù)都是不固定的。
參考文獻(xiàn)
[1]張菊秀,全書海,王超.信息融合在燃料電池傳感器故障識(shí)別中的應(yīng)用[M].武漢理大學(xué)學(xué)報(bào),2006.6,28(6):113~116.
[2]吳興偉.多傳感器的信息融合在車載故障診斷中的應(yīng)用研究[D].武漢理工大學(xué),2006.
[3]胡丹丹,肖書明,王燕清.高慶吉.基于多傳感器的數(shù)據(jù)融合技術(shù)[J].東北電力學(xué)院學(xué)報(bào),2004.2,24(1):62~67.
作者簡(jiǎn)介:劉平安(1992-),男,湖北荊州,本科在讀,湖北工程學(xué)院計(jì)算機(jī)與信息科學(xué)學(xué)院,研究方向:人工智能。
徐翠琴(1981-),女,湖北孝感安陸,講師,工學(xué)碩士,湖北工程學(xué)院計(jì)算機(jī)與信息科學(xué)學(xué)院,研究方向:檢測(cè)技術(shù)及智能控制。